В настоящей работе рассматривается задача прогнозирования волатильности с учетом и без учета эффекта сезонности (эффекта выходного дня). Таким образом, существование эффекта выходного дня понимается в следующем смысле: дают ли модели, включающие сезонность, лучшие прогнозы по сравнению с моделями, не включающими сезонность. Представлена нечеткая модель GARCH, в которой учитывается эффект недельной сезонности. Модель является аналогом обычной модели GARCH, однако позволяет учитывать различную зависимость в разных кластерах (волатильности и сезонности), а также осуществлять так называемое мягкое переключение между кластерами. Предложенный подход применяется к двум фондовым индексам – индикаторам состояния российского рынка: индексу МосБиржи и индексу РТС – и сравнивается с нечеткой моделью без сезонности, а также с классической моделью GARCH. Проделанные расчеты демонстрируют, что значимого улучшения прогноза при внедрении сезонности в нечеткую модель GARCH нет. Нечеткие модели дают сопоставимые с моделью авторегрессии – условной гетероскедастичности результаты. Таким образом, нечеткие модели можно использовать наряду с традиционными моделями, однако учет дня недели – по крайней мере, на использованных выборках – не дает увеличения качества прогнозирования волатильности. Нечеткая модель GARCH может быть полезна также при расчете финансовых рисков и, в частности, показателя Value at Risk. Насколько известно автору, в настоящей работе впервые нечеткие системы используются с целью выявления эффекта сезонности (эффекта выходного дня) .